基于神经网络的双层辉光离子渗金属-大庆师范学院学报编辑部.doc

垃圾邮件并行过滤模型的设计 (二号黑体)* X X1,XXX2,X X X1 （四号宋体，加黑,居中） （ 1.大庆师范大学 物理与电气信息工程系，黑龙江 大庆 163712；2. 大连理工大学 机械工程学院，辽宁 大连 116024）（五号宋体） 摘 要：随着网络的日益普及，垃圾邮件问题日趋严重，各种过滤垃圾邮件的算法也应运而生。简单贝叶斯方法计算简便，但受算法假设条件的限制，查全率和正确率都难以达到更高的层次；其他几种方法计算又太复杂。可以将计算机理论中的“流水”概念引入到垃圾邮件分类器中，建立并行过滤模型，查全率和准确率都比较令人满意。（小五宋体） 关键词：垃圾邮件过滤；文本分类；朴素贝叶斯；并行过滤；滑动窗口（小五宋体） 作者简介：x x（1981-），女，黑龙江大庆人，，黑龙江省大庆师范学院物理与电气信息工程系教师，从事网络与信息安全方向研究。 基金项目：大庆师范学院青年基金研究项目：垃圾邮件处理系统（YJG0629）（有此项的需填写） 中图分类号：TN911.8 文献标识码：A 文章编号：1006-2165(2009)02-0000-00 收稿日期：2006-11-25 （小五宋体，加黑,除文章编号按模板给的填写外，其他三项需作者查阅资料正确填写）0 引言（四号宋体，加黑）* （五号宋体）随着垃圾邮件问题的日益严峻，研究更高效，更精确的过滤方法已经势在必行。文本自动分类技术的广泛应用，使得自动分类的技术也被应用到反垃圾邮件领域。而并行处理凭着高效的优势大行其道，也被运用在各个领域中。本文将二者相结合，建立了一种基于改进的贝叶斯分类算法的垃圾邮件过滤模型，就朴素贝叶斯分类算法假设的限制，提出了基于滑动窗口实现并行过滤的目的。此算法可以提高邮件分类的查全率和准确率。 1 试验方法和试验方案（四号宋体，加黑） 1.1 试验方法（五号宋体） 渗金属试验在自制双层辉光离子渗金属炉中进行，源极材料为Hastelloy C—2000合金，尺寸为130 mm×50 mm×4 mm，工件材料为20钢，尺寸为80 mm×25 mm×3 mm。采用脉冲放电模式：源极采用直流电源，工件采用脉冲电源。源极材料Hastelloy C—2000的质量分数：wNi=59%，wMo=16%，wCr=23%，wCu=1.6%，wC＜0.01%。（五号宋体） 1.2 试验方案（五号宋体） 为了选定正交试验各个工艺参数的取值范围，先结合以往试验研究的经验，然后又进行了20余炉的摸索性试验，确定了正交工艺参数。正交试验按照L16(45)正交表进行试验。指标项目为渗层表面合金元素成分及总质量分数、渗层厚度和吸收率。因素水平表如表1所示。（五号宋体） 表1 因素水平表（小五宋体）(表格一律使用三线表) 因素（六号宋体） 水平 1 2 3 4 源极电压U／V 1 050 1 000 950 900 工件电压U／V 275 250 350 300 气压p／Pa 35 30 45 40 极间距d／mm 15 20 25 22.5 2 数学模型（四号宋体，加黑） 在网络学习部分，采用三层BP神经网络来完成函数的映射。误差逆传播神经网络是一种具有三层或三层以上的阶层型神经网络，如图所示为一个三层前馈神经网络：它包括输入层、隐含层(中间层)、输出层；输入层有i个节点，隐含层有j 个节点，输出层有t个节点。上、下层之间各神经元实现全连接，即下层的每一单元与上层的每一单元都实现权连接，而每层各神经元之间无连接。网络按有教师示教的方式进行学习，当一对学习模式提供给网络后，神经元激活值从输入层经各中间层向输出层传播，在输出层的各神经元获得网络的输入响应。这以后，按减小希望输出与实际输出之间误差的方向，从输出层经各中间层逐层修正各连接权值，最后回到输入层。（五号宋体） 图1 典型BP网络示意图（小五宋体，居中，图形尽量用VISIO类的软件完成） 算法步骤： (1) 设置初始权系w(0)为较小的随机非零值。 (2) 给定输入/输出样本对，计算网络的输出： 设第p组样本输入、输出分别为 up=(u1p,u2p,…,unp) dp=(d1p,d2p,…,dnp) p=1,2,…,L 节点i在第p组样本输入时，输出为 (1) （公式用“mathtype”一类的公式编辑器编写） 式中 IjP——在第p组样本输入时，节点i的第j个输入 f是激励函数，采用Sigmoid型，即 (2) 可由输入层经隐层至输出层，求得网络